大模型助力高效创建知识图谱( 三 ) _大模型

OpenAI 初始化：`llm = OpenAI(model_name="gpt-3.5-turbo")`。初始化了 `gpt-3.5-turbo` 的大型语言模型（LLM）。
输入文本：`texts = '小红是我的同学。小红是小明的邻居。小明是我的篮球队队友。'` 定义要处理的文本，其中包含多个句子。
创建图谱索引：`index_creator = GraphIndexCreator(llm=llm)` 使用 `GraphIndexCreator` 类来创建一个图索引生成器，它会用到先前初始化的大型语言模型。
初始化最终图：`final_graph = f_index_creator.from_text('')` 初始化了一个空的知识图谱，用于存放最终的三元组信息。
文本切割和三元组生成： `for text in texts.split("."):`这个循环通过句号切割文本，然后对每一个非空句子生成三元组。
`triples = index_creator.from_text(text)`通过 `index_creator` 的 `from_text` 方法，为每个句子生成三元组。
三元组存储和输出：`final_graph.add_triple(KnowledgeTriple(node1, node2,relation ))`将生成的三元组添加到 `final_graph` 知识图谱中。

下面是运行结果：

=================小红是我的同学=================小红是小明的邻居=================小明是我的篮球队队友

看起来是不是比上面NLP处理的结果要好些。
如果我们将texts变量进行修改：

texts = '''小鸟国，正式名称飞禽国度（ISO：飞禽国度），是位于新世界南部的国家 。它以领土面积而言是世界第七大国家；是人口最多的国家，一直是世界上人口最多的民主国家 。小鸟国南临翡翠海，西南濒临蓝色海洋，东南濒临碧玉海，与翼足国家在西部接壤；北部与巨翼国、鸣虫国和象牙国相邻；东部与彩虹国和翡翠国接壤 。在翡翠海中，小鸟国位于双岛国家和翡翠群岛，与彩虹国、碧玉国和绿洲国共享海上边界 。翡翠海是7大文明遗迹之一，在天门东边'''

用一个特别复杂的例子来表示，这个例子是我们虚拟的一个国家，并且描述了和这个国家相关的一些其他国家，看上去比较复杂。此时，我们加入图表的方式，通过节点和边展示这样的复杂关系。加入如下代码：

import networkx as nximport matplotlib.pyplot as plt#创建一个空的有向图G = nx.DiGraph()#将上面得到的三元组放到图像的边中#source - node1，target - node2，relation - relationG.add_edges_from((source, target, {'relation': relation}) for source, relation, target in final_graph.get_triples())#指定图像的大小和分辨率plt.figure(figsize=(8,3), dpi=500)#通过spring算法定义节点的布局pos = nx.spring_layout(G, k=3, seed=0)edge_labels = nx.get_edge_attributes(G, 'relation')nx.draw_networkx_edge_labels(G, pos, edge_labels=edge_labels, font_size=8,font_family='simhei')#定义显示中文字体nx.draw_networkx(G, font_family = 'simhei')#关闭坐标轴显示plt.axis('off')plt.show()

这段代码使用了`networkx`和`matplotlib.pyplot`库来可视化一个有向图（即知识图谱），其中的节点和边是从之前抽取的三元组（实体-关系-实体）中得到的。
1. 创建空的有向图: `G = nx.DiGraph()`
2. 添加边到图中:
`G.add_edges_from((source, target, {'relation': relation}) for source, relation, target in final_graph.get_triples())`
把之前从文本中抽取出的三元组添加到图`G`中作为边。每一条边都有一个起点（`source`），一个终点（`target`）以及一个表示两者关系的标签（`relation`）。
3. 设置图像大小和分辨率:
`plt.figure(figsize=(8,3), dpi=500)`
设置了图像的大?。?x3）和分辨率（500 DPI）。
4. 定义节点布局:
`pos = nx.spring_layout(G, k=3, seed=0)`
使用“spring”布局算法来确定图中每个节点的位置。`k`是一个用于设置节点间距的参数， `seed`是随机数生成器的种子。